python - 如何在 scikit-learn 中找到所有稀疏数据回归量？

Question

您可以find all regressors在 scikit-learn 中:

from sklearn.utils.testing import all_estimators
regressors = all_estimators(type_filter='regressor')

但是，我的数据很稀疏，而且我发现其中许多不支持稀疏数据。我可以对所有这些进行强力评估并排除那些失败的，但是有没有一种更简单的方法可以提前判断哪些不支持稀疏性？

Answer 1

没有简单的方法可以做到这一点。您最好检查此问题中指定的 fit() 文档:

• Which estimators in scikit-learn don't support sparse matrices?

或者使用try catch block 来处理这个问题。

大多数估计器(回归器或分类器)将通过调用check_X_y来检查输入的有效性。具有适当的参数。我们感兴趣的参数是**'accept_sparse'**，默认情况下是False。因此，如果估计器在没有任何 'accept_sparse' 值的情况下调用此方法，则可以安全地假定不支持稀疏矩阵。

您可以使用以下代码来解决部分问题。

import inspect 
from sklearn.utils.testing import all_estimators 
regressors = all_estimators(type_filter='regressor')

for regressor in regressors:
    print(regressor[0], end=" - ")
    ff = getattr(regressor[1], 'fit')
    if 'accept_sparse' in inspect.getsource(ff):
        print('Accepts Sparse')
    else:
        print("Does not")

• 如果输出具有“接受稀疏”，那么您可以确定它可以处理稀疏数据。

• 但是如果输出有“Does not”，那么这只意味着fit()的源代码:-

  • 不包含check_X_y:这并不意味着不支持稀疏数据。也许当前的估计器正在调用具有该检查的不同父类的 fit() 。一些最终具有 CV 的估计器是交叉验证器，它们再次将数据传递给基本估计器，因此可能不会执行检查。
  • 它可能不明确包含参数“accept_sparse”:源代码可能有类似 check_X_y(X, y, ['csr', 'csc', 'coo' ]，...)。根据 accept_sparse 可能接受的值，可能不容易找到。

  所以在这种情况下，您可以使用 try-catch 来查找实际状态。